如何在SDV多表HMASynthesizer中实现region表name列值唯一？

方案1：基于id的固定映射生成name #

原表中name遵循Region_<id>的格式，完全可以利用生成的id直接推导name，天然保证唯一性：

# 生成region表数据后，根据id字段生成对应的name
synthetic_region = synthesizer.sample(num_rows=20)
synthetic_region['name'] = synthetic_region['id'].apply(lambda x: f"Region_{x}")

如果工具支持元数据配置派生列，也可以直接在metadata中定义该逻辑，生成时自动完成映射。

方案2：生成后实时去重修正 #

如果name格式不固定，可通过维护已生成值的集合，对重复值进行动态调整：

generated_names = set()
synthetic_region = synthesizer.sample(num_rows=20)

def get_unique_name(original_name):
    current_name = original_name
    counter = 1
    while current_name in generated_names:
        current_name = f"{original_name}_{counter}"
        counter += 1
    generated_names.add(current_name)
    return current_name

synthetic_region['name'] = synthetic_region['name'].apply(get_unique_name)

这种方式适用于任意格式的name生成，确保最终结果无重复。

方案3：自定义单表约束扩展逻辑 #

如果使用SDV类工具，可自定义约束类在单表生成阶段保证唯一性，再处理关联表：

from sdv.constraints import Constraint

class UniqueRegionName(Constraint):
    def fit(self, data):
        pass

    def transform(self, data):
        name_counter = {}
        for idx, name in data['name'].items():
            if name in name_counter:
                data['name'].at[idx] = f"{name}_{name_counter[name]}"
                name_counter[name] += 1
            else:
                name_counter[name] = 1
        return data

    def reverse_transform(self, data):
        return data

# 给region表添加自定义约束
database_metadata.add_constraint(
    table_name='region',
    constraint=UniqueRegionName()
)

# 先生成region表确保name唯一，再生成关联的users表
synthesizer = MultiTableSynthesizer(metadata=database_metadata)
synthetic_region = synthesizer.sample_table('region', num_rows=20)
synthetic_users = synthesizer.sample_related_table('users', parent_data={'region': synthetic_region})

内容的提问来源于stack exchange，提问作者John Doe